Paper

Flipit Game Deception Strategy Selection Method Based on Deep Reinforcement Learning

Los autores proponen un método para seleccionar estrategias de engaño en ciberseguridad mediante un modelo de juego Flipit multi-etapa, con el fin de incorporar la temporización de la defensa además de la elección espacial de estrategias. El método construye un modelo de decisión espaciotemporal, introduce un factor de descuento y probabilidades de transición, y emplea un algoritmo de optimización de políticas proximales para calcular estrategias defensivas.

DecoyMoving target defenseNetwork

Qué sabemos

Los autores proponen un método para seleccionar estrategias de engaño en ciberseguridad mediante un modelo de juego Flipit multi-etapa, con el fin de incorporar la temporización de la defensa además de la elección espacial de estrategias. El método construye un modelo de decisión espaciotemporal, introduce un factor de descuento y probabilidades de transición, y emplea un algoritmo de optimización de políticas proximales para calcular estrategias defensivas.

Límites de la evidencia

Esta revisión se basa únicamente en el resumen depositado en Crossref; no se examinó el texto completo ni se validaron de forma independiente los resultados. La eficacia y las ventajas mencionadas son atribuidas por los autores.

Se analizó: abstract del autor. No se analizaron los resultados del texto completo.

Fuentes y trazabilidad

  1. Flipit Game Deception Strategy Selection Method Based on Deep Reinforcement Learning
    abstract · 2026-10-11

Revisado: 2026-10-13. La ficha puede actualizarse cuando aparezca nueva evidencia.

RIS · BibTeX